面向尊严感知的 AI：从跌倒检测到日常活动
机器学习
2026-02-13 v2 计算机视觉与模式识别
计算机与社会
摘要
本position论文构想了一个下一代老年人监测系统，旨在超越跌倒检测，实现更广泛的日常活动（ADL）识别。我们的终极目标是设计一种能够稳健检测和理解日常routine的、隐私保护的、边缘部署的联邦 AI 系统，支持独立和尊严的老龄化社会。在当前，针对 ADL 的数据集仍在收集中。作为初步步骤，我们通过使用 SISFall 数据集及其 GAN 增强变体进行实验，将跌倒检测作为代理任务。我们报告了在非 IID 条件下的联邦学习初始结果，以及在 Jetson Orin Nano 设备上的嵌入式部署。随后，我们概述了诸如域迁移、数据稀缺和隐私风险等开放挑战，并提出了在智能房间环境中实现完整 ADL 监控的方向。这一工作突显了从单一任务检测向综合日常活动识别的转变，为可持续且以人为本的老年护理 AI 提供了初步证据和路线图。
引用
@article{arxiv.2511.11696,
title = {Toward Dignity-Aware AI: Next-Generation Elderly Monitoring from Fall Detection to ADL},
author = {Xun Shao and Aoba Otani and Yuto Hirasuka and Runji Cai and Seng W. Loke},
journal= {arXiv preprint arXiv:2511.11696},
year = {2026}
}
备注
This is the author's preprint version of a paper accepted for presentation at EAI MONAMI 2025 (to appear in Springer LNICST). The final authenticated version will be available online at Springer Link upon publication